水质指标评价法

水质指标评价法（共9篇）

水质指标评价法 篇1

地表水水质评价是对地表水环境质量好坏的定量描述与评判, 如何对地表水环境质量做出科学、合理的评价, 从而为制订合理的污染物排放标准、地表水域水质的管理措施提供参考依据。

由于污染物在地表水环境中进行的物理、化学、生物过程是随机的, 监测数据处理过程中存在一定的随机不确定性, 评价类别、评价标准存在着模糊性, 因此, 地表水环境评价不可避免具有随机性和模糊性。目前水质评价的方法有很多, 例如综合指数法[1]、模糊数学法[2]、灰关联分析法[3]、人工神经网路[4]等。本文提出一种考虑指标概率分布的水质评价方法, 将监测值与标准值放一起进行概率分布统计, 并在计算过程中考虑主、客观信息一致化的组合权重, 为地表水水质评价提供参考和依据。

1 评价指标及评价标准

以大沽河主河道9个监测断面[5]为例, 监测项目主要包括pH、温度、电导率、DO、高锰酸盐指数、五日生化需氧量、挥发酚、石油类、化学需氧量、总磷、氨氮、铜、锌、镉和铬。根据大沽河干流水质现状, 从中选取高锰酸盐指数、五日生化需氧量、挥发酚、石油类、化学需氧量、总磷、氨氮7项指标作为水质评价指标, 如表1所示, 指标值为2004年各项指标平均值。

mg/L

根据《地表水环境质量标准》 (GB 3838-2002) , 将水质分为5级, 水质分级标准见表2。

2 评价指标概率分布

考虑到地表水环境评价具有随机性和模糊性, 拟采用概率统计学理论对其进行研究。将指标监测值和标准值统一放一起作样本考虑, 采用水文中常用的经验频率公式切哥达也夫公式[6]对评价指标进行标准化处理。在经验公式中, 越大越优型指标按从大到小顺序排序, 越小越优型指标按从小到大顺序排序, 对于中间型指标按距最优值距离从小到大顺序排序。

mg/L

式中:pij为指标标准化后的值;ni为第i个指标排序顺序;Ni为第i个指标样本总个数, 本例为14。

标准化后结果见表3。

3 组合权重确定

某一指标组合权重的确定包括两个部分:一部分反映专家的经验、知识的主观权重W1=[w1 (1) , w1 (2) , …, w1 (m) ], 专家在确定指标权重时, 较多地是从指标本身的经济意义 (或技术意义) 来考虑其重要性[7], 主观权重采用有序二元比较法[8];另一部分反映指标所传递信息量大小的客观权重W2=[w2 (1) , w2 (2) , …, w2 (m) ], 客观权重是根据各指标间的差异程度及相关关系确定指标的重要性, 权重具有很强的客观性, 这里采用熵值法确定各指标的客观权重, 其计算过程如下:

(1) 数据标准化。

对于越大越优型指标为:

对于越小越优型指标为:

对于固定型指标, 一般可令:

式中:xj*为第j个指标的最佳稳定值。

(2) 熵值ej计算。

(3) 熵权计算。

综合各指标的主观权重W1和客观权重W2可以得到组合权重W=[w (1) , w (2) , …, w (m) ]。W与W1, W2均应尽可能地接近, 根据最小相对信息熵原理[9], 为此构造如下最优化模型:

用Lagrange乘子法求解上述最优化问题得:

主观权重来自参考文献[10], W1= (0.183 0, 0.202 2, 0.149 4, 0.067 3, 0.067 3, 0.165 4, 0.165 4) , 通过式 (2) ~ (7) 计算客观权重, W2= (0.151 4, 0.161 1, 0.142 3, 0.086 9, 0.098 7, 0.177 7, 0.181 8) , 通过公式 (10) 计算组合权重, W= (0.167 2, 0.181 3, 0.146 4, 0.076 8, 0.081 9, 0.172 2, 0.174 2) 。

4 综合评价

在评价指标数据标准化处理及组合权重确定后, 采用下式计算:

令地表水环境质量标准Ⅰ级为等级1, Ⅱ级为2, Ⅲ级为3, Ⅳ级为4, Ⅴ级为5。若检测值的评价结果位于两级状态等级之间, 则采用线性插值的方法计算其状态等级, 见表4。

基于指标概率分布水质评价结果与模糊综合评价、灰色关联分析评价结果进行对比, 见表5。

在进行指标概率分布水质评价中分别采用熵权和组合权重进行分析, 发现两种方法除监测断面序号5和9即后沙湾庄和斜拉桥监测断面水质类别有区别外, 其他监测断面水质类别一致。表5中4种地表水水质评价方法所得结果可知, 由于方法和权重选取的不同, 个别监测断面存在评价结果不一致, 但总体趋势基本一致。可见, 基于指标概率分布的水质评价是可行的, 评价结果是可信的。

5 结语

基于指标概率分布理论对大沽河干流水质进行综合评价, 结论如下:

(1) 基于指标概率分布水质评价方法原理简单, 计算简洁, 可操作性强。

(2) 针对主、客观赋权各自优缺点, 引入组合权重, 兼顾专家赋权的偏好性, 同时又力争减少赋权的主观随意性, 使赋权达到主观与客观的统一, 进而使评价结果更加真实、可靠。

(3) 该方法具有一定的科学性和创新性, 为地表水水质评价提供了一条新的途径。此外, 该方法还可应用于环境评价、水资源评价、多目标决策等方面, 具有一定的推广前景。

摘要：水质信息是水质管理的基础, 正确评价水质状况显得尤为重要。将水文经验频率公式引入水质评价中, 将评价指标监测值与标准值采用经验频率公式进行数据标准化, 且与组合权重有机结合后得出水质评价结果。该方法应用到水质评价中, 并与模糊综合法和灰色关联分析法比较, 得出该方法计算简单, 评价结果合理可靠, 具有一定的科学性和创新性, 有一定的推广前景。

关键词：概率分布,水质评价,标准化,组合权重

参考文献

[1]陈仁杰, 钱海雷, 袁东, 等.改良综合指数法及其在上海市水源水质评价中的应用[J].环境科学学报, 2010, 30 (2) :431-436.

[2]陈娟, 李杰, 朱秋菊.基于组合权重的模糊数学法在水环境质量评价中的应用[J].珠江现代建设, 2013, (1) :12-14, 33.

[3]张春洁, 金鑫.灰关联分析法在大辽河营口段生态供水水质评价中的应用[J].吉林水利, 2013, (5) :46-49.

[4]朱长军, 李文耀, 张晋.人工神经网络在水环境质量评价中的应用[J].工业安全与环保, 2005, 31 (2) :27-29.

[5]周贵忠, 张金恒, 王军强, 等.利用模糊数学评价大沽河干流水质的研究[J].农业环境科学学报, 2010, 29 (增刊) :191-195.

[6]黄振平.水文统计学[M].南京:河海大学出版社, 2003.

[7]牛东晓, 张弛.基于组合权的灰色关联分析在供电企业营销效果综合评价中的应用[J].技术经济与管理研究, 2007, (5) :55-57, 61.

[8]陈守煜.水资源与防洪系统可变模糊集理论与方法[M].辽宁大连:大连理工大学出版社, 2005.

[9]朱雪龙.应用信息论基础[M].北京:清华大学出版社, 2001.

[10]周振民, 穆文彬.组合权重可变模糊模型在地表水水质评价中的应用[J].中国农村水利水电, 2011, (10) :82-86.

水质指标评价法 篇2

综合水质指数法对长江沙市江段的水质评价

摘要：利用长江干流沙市江段3个断面水质实测资料,采用综合水质指数法,对长江干流沙市江段3个断面-水质状况进行分析评价.根据综合水质指数法(WQI),得出沙市江段近期水质尚好,并根据单项指数的结果,找出了沙市江段近期水质影响最大的.污染因子.结果表明,铅、粪大肠菌群、总磷是沙市江段的主要污染因子.作 者：朱叶华    曾涛    杨军    谭英  作者单位：长江水利委员会荆江水文水资源勘测局,湖北,荆州,434020 期 刊：南水北调与水利科技  ISTIC  Journal：SOUTH-TO-NORTH WATER TRANSFERS AND WATER SCIENCE & TECHNOLOGY 年，卷(期)：2010, 8(5) 分类号：X143 X824 关键词：综合污染指数法    水质评价    长江    沙市   

水质指标评价法 篇3

【关键词】肝纤维化;化学发光;临床应用评价

【中图分类号】R446.6【文献标识码】A【文章编号】1044-5511（2011）10-0364-01

肝纤维化是一切慢性肝病的共同病理学基础，肝纤维化发生时的大量细胞外基质在肝脏内的堆积，最终导致肝硬化的发生[1]。尽管目前还没有很好的手段治疗肝硬化，但是近来，人们发现肝纤维化的发生是可以阻止的，因此肝纤维化的诊断和治疗受到高度的重视。血清学指标因其无创、简便、便于监测病人病情而成为广泛利用的检测方法，尤其是利用透明质酸(HA)、Ⅲ型前胶原N端肽(PⅢNP)、Ⅳ型胶原(CⅣ)、层粘蛋白(LN)联合检测的手段[2]。我们采用化学发光技术的四项试剂盒检测血清标本，以探讨这些指标对肝病肝纤维化诊断的价值。

1 材料和方法

1.1 实验对象：

按2000年全国病毒性肝炎诊断标准选择本院门诊和住院患者，排除可能因为治疗而导致标志物下降的标本，共计218例，其中男124例，女94例，年龄16 ~75岁．平均44.8岁。分急性病毒性肝炎42例，慢性肝炎轻型45例，慢性肝炎中型46例，慢性肝炎重型48例．肝硬化37例。对照组50例，为同期来我院体检者，经检查各项指标正常，且年龄与性别构成比与患者组相近。

1.2 检测方法：

LN、CⅣ采用化学发光两步双抗体夹心法，PⅢNP、HA采用化学发光间接竞争法。试剂盒均购自安图绿科生物工程有限公司。采用郑州安图实验仪器公司LUMO发光仪检测，严格按试剂说明书操作。

1.3 统计方法：

数据均以(X ± S)表示，组间比较采用t检验。

2. 结果

2.1 各组肝病患者血清HA、PⅢNP、LN、 CⅣ检测结果见表1。由表1知在急性肝炎组中四项指标与对照组比较均无显著性差异(P>0.05)，在慢性肝炎轻度组中除LN外与对照组比较均呈显著性升高(P<0.01)，且三项指标均随病程的进展而升高。

与对照组比较△P<0．01。与急性肝炎组比较◆P<0.01

2.2 以慢性肝炎中度为肝纤维化的诊断标准，以慢性肝炎轻度组各指标的95％可信限上限为判断值，三项指标及联合检测对肝纤维化的诊断价值见表2。

3. 讨论

肝纤维化是肝硬化的早期病理基础。由于肝脏的代偿功能很大．目前常规肝功能试验无法诊断肝纤维化或早期肝硬化。肝活检为创伤性检查，不能判断肝纤维化的活动度，且难以动态观察[3]。因此检测肝纤维化的的血清标志物对于肝纖维化的诊断和治疗非常有意义。从表1看，所有四项标志物随着病情的加重呈梯度升高，特别是HA、PⅢNP和CⅣ，在早期肝纤维化的诊断中意义更大，而LN则对于中度和重度纤维化的病人的诊断和治疗更有意义。

敏感度低是目前肝纤维化血清学检测的现状，但是本文采用标本排除了可能因治疗而导致标志物浓度下降的标本，从表2看，单项检测的敏感度和特异性均很高，而联合联测则能获得更加可靠的诊断结果。化学发光法是新兴技术，与传统的RIA和ELISA方法相比，有线性范围更宽，更加灵敏的特点，这对于肝纤维化诊断敏感度低的现状亦有一定的改善作用。

参考文献

[1]王浩，高春芳．肝纤维化的血清学诊断．使用临床医药杂志，2005，7：4-9

[2]俞纯山．肝纤维化的检测及临床意义．中华检验医学杂志，2003，3：190-192

地下水水质评价可变模糊评价法 篇4

地下水水质现状评价是地下水资源评价和保护的重要内容,通过对地下水水化学资料的分析,可以科学地评价区域地下水体的质量状况。可为防治评价区内水质恶化和制定水资源管理决策方案提供科学依据,对评价区内地下水资源的可持续开发利用和综合管理有很好的指导作用[1]。目前地下水水质评价的方法有很多,主要有属性识别、综合指数法、人工神经网络模型、模糊综合评判法、灰色聚类法等。由于受到诸多因素的影响和制约及方法自身存在的不足,至今仍没有一个广泛认可的评价模型。如综合指数法中权重不好确定和忽略了水质分级界线的模糊性;人工神经网络需要的样本数多, 网络结构的优劣因人而异;模糊综合评判中隶属函数和权重矩阵的构造;灰色聚类法中白化函数的选择和聚类权的确定往往因人而异,造成评价模式难以通用。本文在陈守煜教授可变模糊集理论基础上[2,3,4,5],提出地下水水质评价的可变模糊评价方法。该方法能够科学、合理地处理水质分级界线的模糊性,确定样本指标对各级指标标准区间的相对隶属度,为了增强二元比较分析法确定权重的可操作性,使其应用更为便捷,提出二元比较模糊决策分析简捷方法,以此确定各指标权重;此外,该方法能够通过变化模型及其参数,全面地给出样本的评价等级,提高对样本等级评价的可信度。

1 相对差异函数模型

设X0=[a,b]为实轴上模糊可变集合$\underset{˜}{V}$的吸引域,即$0<D{}_{\underset{˜}{A}}\le 1$区间,X=[c,d]为包含X0(X0⊂X)的某一上、下界范围域区间。如图1所示。

根据模糊可变集合$\underset{˜}{V}$定义可知[c,a]与[b,d]均为$\underset{˜}{V}$的排斥域,即$-1\le D{}_{\underset{˜}{A}}(u)＜0$区间。设M为吸引域区间[a,b]中$D{}_{\underset{˜}{A}}(u)=1$的点值,M不一定为区间[a,b]的中点值,需按物理分析确定。x为X区间内的任意点的量值,则当x落入M点左侧时,相对差异函数模型可为:

$\{\begin{array}{cc}D{}_{\underset{˜}{A}}(u)=\left(\frac{x-a}{{\rm M}-a}\right){}^{\beta }& x\in [a,{\rm M}]\\ D{}_{\underset{˜}{A}}(u)=-\left(\frac{x-a}{c-a}\right){}^{\beta }& x\in [c,a]\end{array}(1)$

x落入M点右侧时,其相对差异函数模型为:

$\{\begin{array}{cc}D{}_{\underset{˜}{A}}(u)=\left(\frac{x-b}{{\rm M}-b}\right){}^{\beta }& x\in [{\rm M},b]\\ D{}_{\underset{˜}{A}}(u)=-\left(\frac{x-b}{d-b}\right){}^{\beta }& x\in [b,d]\end{array}(2)$

x落入X区间外时

$D{}_{\underset{˜}{A}}(u)=-1u\notin [c,d](3)$

公式(1)、(2)中β为非负指数,常取β=1,即相对差异函数模型为线性函数。

$D{}_{\underset{˜}{A}}(u)$确定以后,根据公式(4)求解相对隶属度$\mu {}_{\underset{˜}{A}}(u)$。

$\mu {}_{\underset{˜}{A}}(u)=\frac{1+D{}_{\underset{˜}{A}}(u)}{2}(4)$

从以上分析可知,当x=a、x=b时,$\mu {}_{\underset{˜}{A}}(u)=0.5$; 当x=M时,$\mu {}_{\underset{˜}{A}}(u)=1$;当x=c、x=d时,$\mu {}_{\underset{˜}{A}}(u)=0$;当x∉[c,d]时,满足$\mu {}_{\underset{˜}{A}}=0$。

2 二元对比确定指标权重方法

二元对比模糊决策分析法是以我国语言与思维习惯为基础,以模糊集的余集定义为求解手段,严格遵循一致性检验条件,针对无结构决策问题而提出的一种有效简便的求解方法。该方法数学理论严谨,多次试验数据表明确定的权重有代表性,依据专业知识确定指标重要性二元对比后即可进行权重的确定。为了增强二元对比分析法确定权重的可操作性,使其应用更为便捷,本文在系统介绍二元比较模糊决策分析基础上,引申出其简捷方法。

2.1 一致性检验

二元比较判断矩阵的一致性问题是非结构决策合理与科学性的基础,被研究的对象组,若在属性排序明确的前提下不需要进行一致性检验;在最重要指标明确时,为简化操作,可以不进行一致性检验,直接按简化方法求解;若各研究对象属性排序模糊不定的情况下,必须进行一致性检验,具体的检验原则可参考文献[6]。

一致性检验后,所得模糊标度矩阵各行和数由大到小排列,此排序即为指标集在满足一致性条件下关于重要性的排序,具体证明可见[7]。

2.2 定性指标权重的确定

指标集D就模糊概念$\underset{˜}{A}$重要性所给的排序作二元比较,若二元比较矩阵为:

$\begin{array}{l}\mathit{B}=\left(\begin{array}{cccc}b{}_{11}& b{}_{12}& \cdots & b{}_{1m}\\ b{}_{21}& b{}_{22}& \cdots & b{}_{2m}\\ ⋮& ⋮& \ddots & ⋮\\ b{}_{m1}& b{}_{m2}& \cdots & b{}_{mm}\end{array}\right)=(b{}_{gk})(5)\\ g=1,2,\cdots ,m;k=1,2,\cdots ,m\end{array}$

B称为指标集D关于A对重要性二元比较定量排序一致性模糊标度矩阵,bkg表示指标g与指标k相对于重要性的二元比较。

由于对重要性二元比较定量排序矩阵一致性模糊标度矩阵的对角线元素表示自身的比较,其元素值为0.5,它将元素分为上下两个三角,上三角中的元素值从对角线元素0.5开始,每行元素值自左向右递增,每列元素自下向上递增,因此上三角矩阵自对角线元素0.5开始的每一行元素满足:

$0.5=b{}_{gk}\le b{}_{g(k+1)}\le b{}_{g(k+2)}\le \cdots \le b{}_{gm}\le \cdots \le 1(6)$

由互补性条件[8]得到下三角矩阵,见式(7)。

$b{}_{kg}=1-b{}_{gk}(7)$

根据矩阵B构造相及矩阵Φ:

$\mathit{\Phi }=\left(\begin{array}{cccc}1& b{}_{12}/b{}_{21}& \cdots & b{}_{1m}/b{}_{m1}\\ b{}_{21}/b{}_{12}& 1& \cdots & b{}_{2m/m2}\\ ⋮& ⋮& \ddots & ⋮\\ b{}_{m1}/b{}_{1m}& b{}_{m2}/b{}_{2m}& \cdots & 1\end{array}\right)(8)$

重要性的相对比较是权重的一种测度,按照模糊集的特点测度上限为1,故有序相及矩阵Φ的上三角元素均定义为1,对矩阵Φ每一行取小,即Φ的第一列元素。

$\begin{array}{l}\omega {}^{´}=(\omega {}_1^{´},\omega {}_2^{´},\cdots ,\omega {}_m^{´})=(1,b{}_{21}/b{}_{12},\cdots ,b{}_{m1}/b{}_{1m})=\\ \left(1,\frac{1-b{}_{12}}{b{}_{12}},\cdots ,\frac{1-b{}_{1j}}{b{}_{1j}},\cdots ,\frac{1-b{}_{1m}}{b{}_{1m}}\right)(9)\end{array}$

式(9)给出了指标集对重要性的相对隶属度向量即非规一化权向量。对其规一化处理,得指标权向量:

$\omega {}^{´}=(\omega {}_1^{´},\omega {}_2^{´},\cdots ,\omega {}_m^{´})=(\omega {}_1^{´}/{\displaystyle \sum _{i=1}^m\omega }{}_i^{´},\omega {}_2^{´}/{\displaystyle \sum _{i=1}^m\omega }{}_i^{´},\cdots ,\omega {}_m^{´}/{\displaystyle \sum _{i=1}^m\omega }{}_i^{´})(10)$

按照我国的思维习惯确定语气算子,根据公式(6)的两个边界值0.5与1,在同样与无可比拟之间插入语义逐渐加重的语气算子,相应模糊标度在0.5与1.0之间以线形增值0.05插入模糊标度值。已知模糊标度根据式(9)计算可得相应相对隶属度,为便于应用模糊概念语气算子与模糊标度值、相对隶属度间的关系归入表1。也可根据实际情况,将表1进一步细化。相对隶属度即非规一化权重已知的前提下依据式(10)确定指标权重。

3 地下水水质模糊可变评价方法

3.1 方法的建立

设有n个待识别的水质评价对象

$X=\{x{}_1,x{}_2,\cdots ,x{}_n\}(11)$

评价对象j的特性用m个指标特征值来表示

$x{}_j=(x{}_{1j},x{}_{2j},\cdots ,x{}_{mj}){}^{\text{Τ}}(12)$

则n个评价对象的全体指标特征可用m×n阶矩阵表示

$\mathit{X}=(x{}_{ij})(13)$

式中:xij为第j个评价对象第i个指标的特征值;i=1,2,…,m;j=1,2,…,n。评价对象依据m个指标按c个级别的指标标准特征值进行识别,则有m×c阶指标标准特征值矩阵

$\mathit{Y}=(y{}_{ih})(14)$

式中:yih为级别h指标i的标准特征值,h=1,2,…,c。

参照指标标准值矩阵和实际情况确定水质评价可变集合的吸引(为主)域矩阵与范围域矩阵

$\mathit{{\rm I}}{}_{\mathit{a}\mathit{b}}=([a{}_{ih},b{}_{ih}]),\mathit{{\rm I}}{}_{\mathit{c}\mathit{d}}=([c{}_{ih},c{}_{ih}])(15)$

根据各级别的实际情况确定水质评价吸引域[aih,bih]中$D{}_{\underset{˜}{A}}(x{}_{ij}){}_h=1$的点值Mih的矩阵

$\mathit{{\rm M}}=(\mathit{{\rm M}}{}_{\mathit{i}\mathit{h}})(16)$

根据式(1～3)计算相对差异度,再由式(4)计算指标对h级的相对隶属度矩阵

$\mathit{U}{}_{\mathit{h}}=[\mu {}_{\underset{˜}{A}}(x{}_{ij}){}_h](17)$

设m个指标的权向量为

$\widehat{w}=\begin{array}{cccc}(w{}_1& w{}_2& \cdots & w{}_m)\end{array}=w{}_i(18)$

满足${\displaystyle \sum _{i=1}^{m}w}{}_i=1$。

参考连续统上任一点x指标特征值i的相对隶属度$\mu {}_{\underset{˜}{A}}(x{}_{ij}){}_h$和$\mu {}_{\underset{˜}{{\rm Z}}{}^c}(x{}_{ij}){}_h$关于左、右极点的广义权距离分别为:

$\begin{array}{l}d{}_g=\left\{{\displaystyle \sum _{j=1}^m[}\omega {}_j(1-\mu {}_{\underset{˜}{A}}(x{}_{ij}){}_h)]{}^p\right\}{}^{1/p}(19)\\ d{}_b=\left\{{\displaystyle \sum _{j=1}^m[}\omega {}_j(1-\mu {}_{\underset{˜}{A}{}^c}(x{}_{ij}){}_h)]{}^p\right\}{}^{1/p}=\left\{{\displaystyle \sum _{j=1}^m[}\omega {}_j\mu {}_{\underset{˜}{A}}(x{}_{ij}){}_h)]{}^p\right\}{}^{1/p}(20)\end{array}$

模糊可变评价模型为:

${}_{i}u{}_h^{´}=\frac{1}{1+(d{}_g/d{}_b){}^a}(21)$

式中:iu′h为评价对象关于等级概念A对吸引性质$\underset{˜}{A}$的非归一化相对隶属度;α为模型优化准则参数,α=1为最小一乘方准则,α=2为最小二乘方准则;p为距离参数,p=1为海明距离,p=2为欧式距离;其中j为评价指标序号,j=1,2,…,m。

通常情况下模型(21)中α和p有4种搭配:

$\alpha =1,p=\{\begin{array}{l}2\\ 1\end{array}‚\alpha =2,p=\{\begin{array}{l}2\\ 1\end{array}(22)$

(1)当α=1,p=1时,式(21)变为:

${}_{i}u{}_h^{´}={\displaystyle \sum _{j=1}^m[}\omega {}_j\mu {}_{\underset{˜}{A}}(x{}_{ij}){}_h](23)$

式(21)为一模糊综合评价模型,是一个线性模型,属于模糊可变评价模型的一个特例。

(2)当α=1,p=2时,式(21)变为:

${}_{i}u{}_h^{´}=\frac{d{}_b}{d{}_b+d{}_g}(24)$

此时式(21)为理想点模型,属于模糊可变评价模型的又一个特例。

(3)当α=2,p=1时,式(21)变为:

$\begin{array}{l}{}_{i}u{}_h^{´}=\frac{1}{1+[(1-d{}_b)/d{}_b]{}^2}(25)\\ d{}_b={\displaystyle \sum _{j=1}^m[}\omega {}_j\mu {}_{\underset{˜}{A}}(x{}_{ij}){}_h](26)\end{array}$

式(21)为Sigmoid型函数,可用以描述神经网络系统中神经元的非线性或激励函数。

(4)当α=2,p=2时,式(21)变为:

$\begin{array}{l}{}_{i}u{}_h^{´}=\frac{1}{1+(d{}_g/d{}_b){}^2}(27)\\ d{}_g=\sqrt{{\displaystyle \sum _{j=1}^m\{}\omega {}_j[1-\mu {}_{\underset{˜}{A}}(x{}_{ij}){}_h]\}{}^2}(28)\\ d{}_b=\sqrt{{\displaystyle \sum _{j=1}^m[}\omega {}_j\mu {}_{\underset{˜}{A}}(x{}_{ij}){}_h)]{}^2}(29)\end{array}$

此时模糊可变评价模型变为模糊优选模型。

由此可见,模糊可变评价模型是一个变化模型,在可变模糊集理论中是一个十分重要的模型,可广泛应用于模糊概念的识别问题。通过不同参数组合,可对评价成果的可靠性进行验证。

由可变评价模型可得非归一化的综合相对隶属度矩阵

$\mathit{U}{}^{´}=({}_{i}u{}_h^{´})(30)$

将式(30)归一化处理得到综合相对隶属度矩阵

$\mathit{U}=({}_{i}u{}_h)(31)$

式中:

${}_{i}u{}_h={}_{i}u{}_h^{´}/{\displaystyle \sum _{h=1}^c}{}_{i}u{}_h^{´}(32)$

级别特征值公式为:

${\rm H}=(1,2,\cdots ,c)\cdot \mathit{U}(33)$

3.2 求解步骤

(1)根据已有观测资料及评价标准(依据),确定待评价对象现状指标特征值与指标标准值矩阵X、Y;

(2)参照指标标准值矩阵Y结合实际情况确定水质评价可变集合的吸引(为主)域矩阵与范围域矩阵Iab、Icd;

(3)结合实际情况确定水质评价吸引域Iab中$D{}_{\underset{˜}{A}}(x{}_{ij}){}_h=1$的点值的矩阵M;

(4)根据式(1)～(3)计算相对差异度矩阵,再由式(4)计算指标对h级的相对隶属度矩阵Uh;

(5)通过二元比较法确定指标的权向量;

(6)采取不同的参数准则,利用模糊可变评价模型(21),求得综合相对隶属度矩阵并作归一化处理;

(7)求级别特征值矩阵,并据此做出评价。

4 应用实例

4.1 实例应用1

以邯郸市化工区地下水水质资料为例[9],该区主要有镀锌厂、树脂厂和磷肥厂等,共有7个水井测点,每一测点测量水的硬度、SO${}_4^{-2}$、CL-、F和有机磷5项评价指标,依据水质所受污染的情况,将其分为,I级为污染水,II级为已污染,III级为严重污染。各指标现状指标特征值与指标标准值见表2。

mg/L

根据表2可得邯郸市化工区地下水水质的现状指标特征值与指标标准值矩阵X、Y,结合各指标物理意义确定吸引(为主)域矩阵Iab、Icd,其中指标为开区间的吸引域与范围域的确定以相邻指标区间距离作为参考距离。点值矩阵M为吸引域矩阵Iab中相对差异度等于1的点组成的矩阵,按物理意义分析可得。

五项指标重要程度与研究区域厂区结构有关,综合考虑各项因素确定CL-最为重要,以其作为标准与其他各指标进行二元比较分析,得到二元比较判断矩阵并作一致性检验,氟与磷均处于“同样”与“稍稍”边缘,硬度与SO${}_4^{2-}$在“稍稍”与“略微”之间,确定权重为ω=(0.179,0.161,0.242,0.219,0.198)。

$\begin{array}{l}\mathit{X}=\\ \left[\begin{array}{ccccccc}1289& 1804& 1176& 689& 1422& 1382& 388\\ 192.05& 153.21& 277.80& 142.20& 1120.05& 217.02& 279.02\\ 1856.05& 2573.50& 2094.07& 782.32& 726.88& 1694.78& 216.04\\ 1.20& 1.35& 1.35& 0.73& 0.99& 0.67& 0.63\\ 0.050& 0.171& 0.384& 0.019& 0.028& 0.051& 0.022\end{array}\right]\\ \mathit{Y}=\left[\begin{array}{ccc}<250& [250,400]& >400\\ <250& [250,400]& >500\\ <250& [250,350]& >350\\ <1.0& [1.0,1.5]& >1.5\\ <0.05& [0.05,0.1]& >0.1\end{array}\right]\\ \mathit{{\rm I}}{}_{\mathit{a}\mathit{b}}=\left[\begin{array}{ccc}[0,250]& [250,400]& [400,550]\\ [0,250]& [250,500]& [500,750]\\ [0,250]& [250,350]& [350,450]\\ [0,1.0]& [1.0,1.5]& [1.5,2.0]\\ [0,0.05]& [0.05,0.1]& [0.1,0.15]\end{array}\right]\\ \mathit{{\rm I}}{}_{\mathit{c}\mathit{d}}=\left[\begin{array}{ccc}[0,400]& [0,550]& [250,550]\\ [0,500]& [0,750]& [250,750]\\ [0,350]& [0,450]& [250,450]\\ [0,1.5]& [0,2.0]& [1.0,2.0]\\ [0,0.1]& [0,0.15]& [0.05,0.15]\end{array}\right]\\ \mathit{{\rm M}}=\left[\begin{array}{ccc}0& 250& 550\\ 0& 250& 750\\ 0& 250& 450\\ 0& 1.0& 2.0\\ 0& 0.05& 0.15\end{array}\right]\end{array}$

判断矩阵Iab、Icd与M判断样本特征值xij在Mih点的左侧还是右侧,据此选用不同公式计算差异度矩阵及相对隶属度矩阵,采用不同参数组合根据模糊可变评价模型计算级别特征值,为增强结果的可比性,本次计算考虑了二元比较确定的权重及文献[9]中指标权重两种情况,分别为权重1权重2,取各次评价结果平均情况进行等级评价,等级判断标准H<1.67为I级,1.67≤H<2.5为II级,H>2.5为III级。评价结果见表3。将计算所得级别特征值从大到小排序,邯郸市化工区地下水水质污染程度排序依次为:测点3、测点2、测点5、测点1、测点6、测点4和测点7,可见测点3污染情况最为严重,测点7污染程度较轻。从表中可以看出,两组权重计算所得4组评价结果基本一致,级别特征值稳定在一个范围内,波动较小。不同参数组合下的评价结果稳定,从而说明了可变模糊评价法具有较高的可靠性。

将上述评价结果与文献[10]所采用的属性识别法及综合评价法,文献[9]所采用的改进TOPSIS评价法的计算结果进行比较,比较结果见表4。可变模糊评价法采用4种类型的结果均值作为评判标准,采用该法评价地下水水质是可行的、可靠的。另外,可变模糊评价法用级别特征值体现污染情况,有利于确切掌握水质污染的具体情况,以量化概念表征模糊事物进展程度,更加直观表征水质污染动态。

4.2 实例应用2

基于德州市水利局2004 年对德州市德城区地下水的监测数据[11],选取代表性的3个监测井观测数据进行水质评价,为增强可比性,水质标准分级延用原文中GB/T 14848-93标准,水质相关评价数据见表5。

利用地下水可变模糊评价法进行综合评判,评价结果及结果合理性比较见表6。可变模糊评价法采用4种类型的结果均值作为评判标准,该方法能够通过变化模型及指标权重,合理地确定出样本的评价等级,提高了样本等级评价的可信度。

mg/L

5 结 语

本文利用相对差异函数表征地下水水质样本与评价等级间的吸引特性与排斥特性,系统分析二元对比模糊决策分析法特点的基础上引申出二元对比确定指标权重的简捷方法,使权重确定更简便易行,增强了可操作性,将以上理论与可变模糊集相结合提出了地下水水质评价的可变模糊评价方法,该方法集成理论的严谨性及操作的简捷性于一体。实例应用结果表明,可变模糊评价法在地下水水质评价中的评价是合理的,方法灵活性较强,评价结果可信度高。最后以量化的形式表征水质污染这一模糊事物的进展,有助于管理人员及时掌握水质动态,做出科学决策。该方法计算简便、思路清晰、计算结果合理,可推广到项目决策、识别和各种资源评价等方面,具有广泛的应用前景。

摘要：在可变模糊集理论基础上,结合二元比较确定指标权重方法,提出地下水质评价可变模糊评价方法,该方法能够合理地确定样本指标对各级指标标准区间的相对隶属度,并且能够通过变化模型及指标权重,确定出样本的评价等级,提高对样本等级评价的可信度。将该方法应用于地下水水质综合评价,评价结果表明,由于考虑了模型参数与权重的可变性,评价结果可信度高。

关键词：可变模糊评价,地下水,水质评价

参考文献

[1]苏耀明,苏小四.地下水水质评价的现状与展望[J].水资源保护.2007,23(2):4-9.

[2]陈守煜.工程模糊集理论与应用[M].北京:国防工业出版社,1998.

[3]陈守煜.工程可变模糊集理论与模型-模糊水文水资源学数学基础[J].大连理工大学学报,2005,45(2):308-312.

[4]陈守煜.水资源与防洪系统可变模糊集理论与方法[M].大连:大连理工大学出版社,2005.

[5]陈守煜.复杂水资源系统优化模糊识别理论与应用[M].长春:吉林大学出版社,2002.

[6]陈守煜.求解系统无结构决策问题的新途径[J].大连理工大学学报,1993,33(6):705-710.

[7]陈守煜.复杂水资源系统优化模糊识别理论与应用[M].长春:吉林大学出版社,2002.

[8]陈守煜.符合我国语言习惯的决策思维模式[J].大连理工大学学报(社会科学版),1999,20(2):8-10.

[9]张先起,梁川,刘慧卿.基于熵权的改进TOPSIS法在水质评价中的应用[J].哈尔滨工业大学学报,2007,39(10):1 670-1 672.

[10]舒军龙,潘仲麟.属性识别理论模型在环境质量评价中的应用[J].干旱环境监测,1998,14(4):224-227.

水质指标评价法 篇5

利用灰色关联法评价苏州河水质状况

摘要：系统阐述了灰色关联评价方法在地表水水质状况上的实践应用,并应用该方法对苏州河、年及白鹤、黄渡和华漕等6个监测断面的`水质进行综合评价.评价结果表明.通过近来苏州河综合整治工程的有效实施,苏州河的水质有了明显的改善,各断面水质状况由19的V类或劣V水.到2004年和20基本提高到Ⅳ类或V类水质状况,且上下游水质差别运渐缩小.作 者：施萍    SHI Ping  作者单位：同济大学环境科学与工程学院,上海,200092 期 刊：江苏环境科技  ISTIC  Journal：JIANGSU ENVIRONMENTAL SCIENCE AND TECHNOLOGY 年，卷(期)：, 21(z1) 分类号：X8 关键词：水质    评价    灰色关联    苏州河   

水质指标评价法 篇6

沉积物中的硅藻种类可反映沉积时水体污染的性质和程度, 是指示水体污染的指标之一。在利用硅藻进行水质状况分析时, 通常有两种方法:一种是直接利用某些特定属种对不同水质的响应指示水体特征;另一种是利用硅藻种间关联和相关分析进行水质类型划分。但由于不同硅藻的耐受性不同, 有时很难准确反映出水质特征。近年来, 人们通过对生物多样性和均匀度等综合判别, 综合分析硅藻对水质特征的响应取得了较好效果。本文主要通过Shannon-Wiener多样性指数、Margalef多样性指数和Lloyd-Ghelardi均匀度指数结合, 建立模糊隶属函数判别模式, 利用兰州市银滩湿地公园表层沉积物中硅藻分布特征检验该方法的可靠性, 并了解湿地公园水质变化特征。

1 研究区域概况

兰州市银滩湿地公园位于安宁区北滨河路西段银滩大桥北端的东西两侧 (见图1) 。湿地总长度约3 000m, 北面与北滨河路相接, 南临黄河, 东西两端都以自然过渡的河滩为界。水源由黄河水供给。采样当时是湿地的丰水期, 水位高, 水域面积广。

2 样品采集与分析

沉积物样品利用Grab (抓斗) 采样在湿地水体流动较强的河道和滞留水体两种不同的环境中采集。其中, 样点1处于浅水流急的河道位置, 样点2处于河道入湖口。其余处于较为滞留的深水和边沿区。而样点10和样点11水体平静、水体较深, 与排污口较近, 但排污口未直接排入黄河, 对湿地水体影响较小。采样点水体酸到中性 (p H处于5.5~7.0范围) 。

硅藻分析鉴定根据Battarbee (1986) [1]方法进行。取0.1 g左右样品, 加入5 m L 30%的H2O2于70℃条件下水浴加热3 h~4 h, 再加入过量的10%HCl溶液去除碳酸盐及剩余的H2O2溶液, 冷却后加入焦磷酸钠 (Na4P2O7·10H2O) 并离心3次~4次, 去除上清液。定量稀释后, 移取0.3 m L溶液于载破片上, 自然风干后用中性树胶封片。在400倍光镜下统计硅藻壳体数目, 在1 000倍油镜下进行属种鉴定。硅藻分类依据Krammer和Lange-Bertalot (1986—1991) [2]的分类系统, 属种鉴定主要参考齐雨藻 (1984、1995) [3]、尤庆敏 (2006) [4]等人的文献。每个样品共统计400粒~500粒。

3 结果与分析

3.1 优势种分析

鉴定出2纲26个属, 115个硅藻种及变种。Cymatopleura solea var.regula (草鞋型波缘藻整齐变种) 和Cymbella affinis (近缘桥湾藻) 在个别样点 (3样点、11样点) 有较高含量, 达到40×103个/g。在各个样点含量均较高的主要有Navicula simplex (简单舟形藻) 、Navicula viridula var.rostellata、Nitzschia palea (谷皮菱形藻) 、Nitzschia angustata var.acuta (窄菱形藻尖变种) 、Cyclotella quadrijuncta (四联小环藻) 、Gyrosigma scalproides (刀形布纹藻) 、Cymatopleura solea (草鞋型波缘藻) 等 (见图2) 。

在26个属中, 中心纲有 (Cyclotella) 小环藻属、 (Melosira) 直链藻属2个属。中心纲中出现了丰度较高的四联小环藻。变异直链藻 (Melosira varians) 变异直链藻的含量在0个/g~6×103个/g范围, 含量相对较低, 其主要在碱性寡污带、α中污带和β中污带中生长。

羽纹纲中出现种类最多的属为舟形藻属和菱形藻属。1号样点、2号样点的总硅藻浓度和属种比较少, 主要有Gyrosigma acuminatum (尖布纹藻) , Gyrosigma scalproides, Cyclotella quadrijuncta, Navicula capitatioradiata, Navicula radiosa (放射舟形藻) , Nitzschia angustata var.acuta (窄菱形藻尖变种) , Nitzschia palea, Nitzschia linearis (线形菱形藻) 等。Gyrosigma acuminatum主要生活在碱性水体中[5]。Navicula capitatioradiata主要生活在淡水溪流、小水渠、沼泽、水草滩等环境附生[4]。总体上, 从1样点、2样点的硅藻属种组合特征可看出, 河道水体为偏酸性, 有机质含量较高的α中污带淡水水体。

研究区除了位于河道水流较急的1号样点、2号样点外, 其余各点硅藻浓度均较高, 以Navicula simplex (简单舟形藻) 、Navicula viridula var.rostellata、Nitzschia palea、Nitzschia angustata var.acuta为主。西藏 (朱惠忠, 1994) 和新疆 (尤庆敏, 2006) 的调查表明, Navicula simplex主要生活在温暖、水草较为繁盛的静止—流动水体中, 指示了α-中污带特征的淡水特征。Navicula viridula var.rostellata也主要生活在路边积水、小水沟, 水草附生的碱性温暖环境。Nitzschia angustata var.acuta也主要生活在湖泊、小水渠、浅水滩、路边积水滩、沼泽中, 水体呈酸偏碱性特征[4]。Nitzschia palea (谷皮菱形藻) 在多污带、α-中污带和β-中污带中均可生长, 尤其在多污带较多, 指示水体受有机污染严重, 研究区除了位于河道水流较急的1号样点、2号样点外, 其余各点浓度均较高。王翠红等 (2007) 研究认为Gyrosigma scalproides (刀形布纹藻) 是寡污带指示生物, 耐污性差, 生长于清洁环境中。此外Cymatopleura solea (草鞋型波缘藻) 是酚污染的指示生物[6], 本次研究发现其变种Cymatopleura solea var.regula (草鞋型波缘藻整齐变种) 在3号采样点大量出现。普通等片藻含量较低, 在0个/g~2×103个/g的范围, 普通等片藻为油污染的指示种[7]。10月份后兰州湿地公园水位开始明显下降, 水体有机质含量较高, 富营养化现象明显。同时也表明, 水体中有少量油脂、酚类污染物存在, 这与黄河中游艇、上游的化工炼油厂等有关, 指示了工矿企业、生活等对黄河有较明显污染。

3.2 生物指数模糊综合评价水质

由于硅藻等微生物对环境的耐性有一定范围, 尽管通过硅藻种属的分析可明确水介质性质, 但对硅藻综合分析可能与实际情况更为一致。目前, 有许多种方法利用硅藻属种进行水质监测, 比较常用的有Shannon-Wiener多样性指数法 (H′) 、Lloyd-Ghelardi均匀度指数法 (E) 、Margalef多样性指数法 (R) 等综合比较评价, 建立模糊集合隶属函数对各种指数法归一处理, 最终得到与环境比较一致的结果[8]。它们的主要原理和监测结果如下:

a) Shannon-Wiener多样性指数 (H′) 。

式 (1) 中, N为样品中硅藻总个体数;S为样品中硅藻总种数;Ni为样品中第i种的个体数;H′值为0~1为多污带;1~2为α中污带;2~3为β中污带;>3为寡污带;

b) Lloyd-Ghelardi均匀度指数 (E) 。

式 (2) 中, Si为第i个采样点的硅藻种数;S为硅藻总种数;E>0.5为清洁, 0.4~0.5为β中污带, 0.3~0.4为α中污带, 0~0.3为多污带;

c) Margalef多样性指数 (R) 。

式 (3) 中, S为硅藻总种数;N为硅藻总个体数;R在0~1为重污染, 1~3为中污染, 大于3为轻或无污染。

为对各种指数进行比较和综合评价, 利用模糊集合隶属函数对各种生物指数进行归一化处理[8,9], 综合评价公式如下:

式 (4) ~式 (5) 中, U为综合评价结果;ui (x) 为模糊隶属函数, x为生物指数;α、β分别为隶属函数的最大值与最小值在x变化区间上对应的上确界和下确界。ui (x) 在0~1之间变化, 其值越大表明污染程度越大[9]。湿地公园各样点的生物指数与隶属函数之间均为正向关系, 模糊隶属函数对单项指数值进行标准化处理, 处理结果见表1。

如表1所示, 污染最为严重的是9号采样点, 该点的优势种为Nitzschia angustata var.acuta, 是耐污染的种, 在α中污带、β中污带和寡污带都可生存。其次是4、6、7、8、10、11样点为β中污染, 这些样点的优势种均为耐污染种, 尤其是Nitzschia palea。而轻污染的1、2、3、5号样点, 硅藻种数均不超过30种, 个体数低于20×103个/g, 且1号和2号样点的指示种是喜清洁的Gyrosigma scalproides。出现这种情况可能是由于水质相对较好, 受到水体营养物质含量及流速等的影响, 硅藻不能大量繁殖。整体来说优势种指示与生物指数综合评价有较好的一致性, 能部分反应水质情况。

4 结语

兰州湿地公园表层沉积物中鉴定出2纲、26个属、115个硅藻种及变种。中心纲有Cyclotella、Melosira 2个属。羽纹纲中出现种类最多的属为Navicula和Nitzschia。深水区和边沿区硅藻浓度比水流较急的河道含量高, 水体有机质含量较高, 富营养化现象明显。同时, 水体中也有少量油脂、酚类污染物的存在, 这与黄河中游艇、上游的化工炼油厂等有关, 指示了工矿企业、生活等对黄河有较明显污染。利用不同生物指数法对优势种及模糊隶属函数综合评价, 与硅藻属种反映的水环境有相同特征, 但硅藻种群结构对小生境的差异反应更为敏感。

参考文献

[1]杨美临.博斯腾湖多代用指标 (侧重硅藻) 记录的全新世气候变化模式[D].兰州:兰州大学, 2008.

[2]胡鸿钧, 李尧英, 魏印心, 等.中国淡水藻类[M].上海:上海科学技术出版社, 1979:133-193.

[3]齐雨藻, 李家英.中国淡水藻志[M].北京:科学出版社, 2004.

[4]尤庆敏.中国新疆硅藻区系分类初步研究[D].上海:上海师范大学, 2006:126-303.

[5]谢淑琦, 郭玉清, 王翠红.晋阳湖硅藻之研究[J].山西大学学报 (自然科学版) , 1991, 14 (4) :412-418.

[6]吕亚红, 顾泳洁.苏州河沉积物中的硅藻及其污染指示作用[J].上海环境科学, 2002, 21 (10) :633-637.

[7]丁蕾, 支崇远.环境对硅藻的影响及硅藻对环境的监测[J].贵州师范大学学报 (自然科学版) , 2006, 24 (3) :13-16.

[8]闫纪业, 冯树丹, 韩媛媛, 等.塘-湿地生态复合处理系统的硅藻生物指数评价[J].沈阳师范大学学报 (自然科学版) , 2009, 27 (1) :114-118.

水质指标评价法 篇7

关键词：地下水,水质评价,模糊综合评价,二次组合赋权

地下水的评价方法[1]种类繁多, 主要有模糊综合评价法、灰色关联分析法、人工神经网络法, 模糊综合评价法因其系统性强、结果清晰、能够较好地解决模糊和难以量化的问题的特点而得到广泛应用。

1 二次组合赋权的模糊综合评价模型

1.1 二次组合获得各指标的最优权重

组合赋权是对两种或者两种的赋权方法进行组合所得到的结果, 组合赋权可以有效地提高权重的赋值精度。本文应用一种二次组合赋权[2,3,4]的方法:在层次分析法和熵权法权重的基础上进行处理, 根据目标权重与偏差权重最小的原则, 构造非线性优化模型, 并解得出二次最优组合权重W*。将模糊综合评价的模糊关系矩阵与其进行运算, 最后得到被评事物从整体看对水质等级的隶属度。

1.2 二次组合赋权的模糊综合评价计算步骤

步骤1:确定评价对象的因素, 即m个评价指标U={u1, u2, u3, …, um}。

步骤2:确定评价等级, V={v1, v2, v3, …, vn}。

步骤3:进行单因素评价, 建立模糊关系矩阵R。

在构造了等级模糊子集后, 要逐个对被评事物从每个因素上进行量化, 确定从单因素来看被评事物对各等级模糊子集的隶属度 (R/ui) , 进而得到模糊关系矩阵[5,6,7]。

步骤4:将由层次分析法和熵值法得到的权重按式 (1) 进行运算:

得到1次组合权重向量W1和W2。

步骤5:构造最优组合权重向量W*= (w1*, w2*, w3*, …, wn*) 。

步骤6:根据目标权重与偏差权重最小的原则, 构造如下非线性优化模型:

步骤7:求解该非线性优化模型:

构造拉格朗日函数:

解出λ1, λ2的值, 代入即可求得二次最优组合权重W*。

2 应用实例

2.1 评价断面及评价指标的确定

本文选取拉拉屯、小白马石村、西官沟、茨山四个监测断面为研究对象。根据地下水水质监测资料, 选取氟化物、溶解性总固体、高锰酸盐指数、钙和镁总量、硫酸盐、氯化物、氨氮7个指标作为评价因子。考虑到地下水水质随季节性变化不大, 因此对其枯水期水质进行水质评价。具体资料如表1所示。

mg/L

2.2 模糊评价隶属关系矩阵的确定

根据模糊综合评价的隶属函数和给定的水质分级标准, 确定各评价指标对各水质级别的隶属度, 得到隶属关系矩阵, 进而计算各评价因子的最优权向量。

2.3 各评价因子最优权向量的确定

2.3.1 熵权法确定各评价因子的权重

各指标的熵权实例计算, 以拉拉屯枯水期的数据为例。根据表1中的各指标的实测值, 建立初始浓度矩阵, 评价指标均为负向指标即实测值越小对应的水质越好。对初始矩阵进行极差标准化处理, 得到标准化矩阵后根据参考文献[6]中的计算公式, 得到水质各评价指标的信息熵和权重。计算结果如表2所示。

2.3.2 层次分析法确定各评价因子的权重

在水质评价中, 指标的权重的确定对评价结果至关重要。由于各评价指标对水质的影响不同, 因此应赋予不同的权重。同样以拉拉屯的数据为例, 以单因子污染指数法对原始数据进行处理, 得到判别矩阵并应用MATLAB软件计算机编程得到判别矩阵的最大特征根及对应的权重向量为 (0.060, 0.293, 0.255, 0.123, 0.085, 0.148, 0.036) T。

2.3.3 各评价因子最优权重的确定

按照式 (2) 得到方程组为:

进而得到各评价指标的最优权重, 结果如表3所示。

2.4 评价结果

将得到的最优权重与模糊关系矩阵进行合成计算, 得到各水质指标的模糊综合评价结果向量B, 如下所示。

B1=A×R= (0.217, 0.337, 0.419, 0.027, 0.000) , 由此可以看出, 拉拉屯枯水期的水质属于Ⅲ类水质。

B2=A×R= (0.349, 0.620, 0.030, 0.000, 0.000) , 由此可以看出小白马石村枯水期的水质属于Ⅱ类水质。

西官沟水质模糊评价结果为:

B3=A×R= (0.195, 0.215, 0.412, 0.178, 0.000) , 由此可以看出西官沟枯水期的水质属于Ⅲ类水质。

茨山水质模糊评价结果为:

B4=A×R= (0.277, 0.253, 0.470, 0.000, 0.000) , 由此可以看出茨山枯水期的水质属于Ⅲ类水质。

2.5 结果分析

从表4的评价结果可以看出, 小白马石村的水质为Ⅱ类水, 其余的三个监测断面均为Ⅲ类水, 与综合指数法的评价结果相比较, 基本一致, 可见此方法适用于水质评价且具有一定的合理性。

3 结语

利用二次组合赋权的模糊综合评价模型评价地下水水质, 评价结果准确客观。经本文的案例计算, 为地下水水质评价开辟新的思路, 也对水质评价应用具有一定的参考意义。

参考文献

[1]王丽娟, 潘俊, 杨鑫, 等.三种水环境质量评价方法比较分析[J].地下水, 2011, 33 (3) :103-104.

[2]卢文喜, 李迪, 张蕾, 等.基于层次分析法的模糊综合评价在水质评价中的应用[J].节水灌溉, 2011 (3) :86-87.

[3]杨开云, 王亮, 朱峰, 等.改进的熵权模糊评价模型在水利工程中的应用[J].节水灌溉, 2007 (8) :41-43.

[4]吴晓莉.基于一种二次组合赋权的高校财务风险评价指标权重计量[J].教育财会研究, 2012 (5) :93-98.

[5]彭兆亮, 何斌, 彭勇, 等.基于熵权的可变模糊模型在地下水质评价中的应用[J].水资源与水工程学报, 2010 (4) :21.

[6]王铁风, 潘孝辉.熵权模糊数学方法在水质评价中的应用[J].山西建筑, 2010, 36 (14) :359-360.

水质指标评价法 篇8

关键词：标识指数法,水质评价,石佛寺水库

水环境质量评价方法一直是人们探索的热点, 利用标识指数法进行了水质评价。该方法的优点是既能直观的表达水质类别, 也能直接反应达标情况;既能做定性的评价, 又能做定量评估。

1 标识指数法评价原理

1.1 单因子水质标识指数法

单因子水质标识指数法是由一位整数、一个小数点、小数点后两位有效数字组成。其表达形式为:

Pi=X1·X2X3

式中:

Pi—代表第i项水质指标的单因子水质标识指数;

X1—代表第i项水质指标的水质类别;

X2—代表监测数据在X1类水标准下限值与X1类水标准上限值变化区间中所处的位置, 如图1。按照四舍五人的原则计算确定;

X3—代表水质类别与功能区划设定类别比较结果, 视水质单项指标的污染程度, X3为一位或两位有效数字。

1.1.1 X1·X2的确定

(1) 当水质介于I类水和V类水之间时:

a.对一般指标 (除溶解氧、PH、水温等外) ,

b.对溶解氧:

式中:

Ci—第i项指标的实测浓度;

C标上—第i项指标在a类水质标准区间的上限值;

C标下—第i项指标在a类水质标准区间的下限值

a—1、2、3、4、5根据监测数据与国家标准比较, 当水质劣于或等于V类水时a=6。

(2) 当水质劣于或等于V类水时:

a.对一般指标 (除溶解氧、PH、水温等外)

式中:

Ci—第i项指标的实测浓度;

CV类标上—第i项指标V类水标准上限值。b.对溶解氧:

式中:

m—计算公式修正系数, 研究中取m=4。

1.1.2 X3确定

式中:

f1—水环境功能区类别

说明:当X3>9时取最大值9。

1.2 综合水质标识指数法

综合水质标识指数的组成:综合水质标识指数是由单因子水质标识指数总和的平均值 (Pi/n) 与代表水质类别与功能区划设定类别比较结果 (X3) 、参加整体水质评价的指标中劣于功能区标准的水质指标个数 (X4) 组成, 其公式为:

式中:

(∑Pi/n) —单因子水质标识指数总和的平均值。

n—参加水质评价因子个数;

X3—代表水质类别与功能区划设定类别比较结果;

X4—参加整体水质评价的指标中, 劣于功能区标准的水质指标个数, 通过参评的单因子标识指数Pi中的X3不为0的个数来确定。

2 标识指数法应用

采用2009年六月的石佛寺水库入水的辽河水质实测资料, 对其进行评价, 水质监测项目及监测结果见表1和表2。

评价因子选取高猛酸钾指数、化学需氧量、生化需氧量、氨氮、总磷、挥发酚、汞、氟化物八项。

2.1 单因子水质标识指数法 (Pi)

石佛寺水库水环境功能区类别f1为Ⅲ类, 即f1=3。以BOD5为例, 其监测值为4.7mg/L。因为4.7mg/L大于Ⅲ类水质标准3mg/L, 小于Ⅳ类水质标准6mg/L, 。按公式计算有:

a=4, X1·X2X3=4+ (4.7-3) / (6-4.7) =4.4

X3=X1-f1=4-3=1

因此, Pi=X1·X2X3=4.41。

2.2 综合水质标识指数法WQI计算举例

石佛寺水库水环境功能区类别f1为Ⅲ类, 即f1=3。以珠尔山1中八个参价因子的单因子标识指数的数据, ;利用公式计算:

∑Pi/n=∑ (P1+P2+…+P8) /n= (3.4+6.13+4.31+1.00+2.10+6.13+1.00+3.00) /8=3.5

X3=X1-f1=3-3=0

X4=4 (参评因子标识指数Pi中有4个因子X3不为零)

因此, WQI= (∑Pi/n) X3X4=3.503。

2.3 评价结果

根据六月的监测值进行评价。其评价结果分为表1。

根据国家《地表水环境质量标准》 (GB3838-2002) , 并应用水质标识指数法X1·X2计算可以得出河流水质实际类别。通过对一些典型河流综合水质标识指数变化趋势曲线的分析和实际观察, 发现水质标识指数法X1·X2=6.0时为判断河流水体黑臭的临界点。X1·X2>6.0, 水体呈黑臭状态。

通过表1和表2对比, 通过综合水质标识法评价结果可以看出石佛寺水库水质属于Ⅳ类。水质类别与功能区划设定类别相同或者好于功能区类别。通过对单因子水质标识法的结果分析, 普通超标项目主要为化学需氧量、生化需氧量、总磷。通过不同地区的分析对比发现, 在评价结果中辽河的水质最差, 库区内的水质相对较好。同时发现在水库的左侧水质要比库区右边的水质差。

3 结论

(1) 水质标识指数法在一定程度上克服了其它评价方法的一些不足, 既可以对水质类别进行评价, 又可以在同一类水的水质指标中进行定量比较。其计算方法简单, 分析结果直观, 评价结论合理。

(2) 通过实测断面的水质评价结果作为灰色模型预测结果的验证, 使验证结果直观、明确, 易于对比并能得出客观结论。

参考文献

[1]徐祖信.我国河流单因子水质标识指数评价方法研究[J].同济大学学报 (自然科学版) , 2005, 33 (3) :321-325.

[2]徐祖信.我国河流综合水质标识指数评价方法研究[J].同济大学学报 (自然科学版) , 2005, 33 (4) :482-488.

水质指标评价法 篇9

地下水水质评价是地下水资源评价的一项十分重要的内容, 其主要任务是根据地下水主要物质成分和水质标准, 分析地下水水质的时空分布状况, 为地下水资源的开发利用规划和管理提供科学依据[1]。近几十年来, 国内外专家、学者进行了大量研究, 提出了多种水质评价的方法, 如模糊综合评价法, 灰色系统法, 模型法, 理论法[2,3], 取得了良好的效果。其中尤其是熵权理论在确定权重的应用, 有效地避免了传统权重确定中的主观因素的影响, 具有很好的应用前途和潜力[4]。本文通过案例, 引入了信息熵权理论确定权重, 并且与模糊综合法相结合进行地下水水质评价, 最后将评价结果与传统模糊综合评价结果作对比, 从而得到的评价结果比传统模糊综合评价法得出的结果更能反映区域地下水水质状况。

1 基于熵权的模糊综合评价法

1.1模糊综合评价法基本原理

模糊综合评价法就是根据所给的实测值和评价标准, 应用模糊变换原理和最大隶属度原则, 同时考虑与指标相关因素对事物作出评价的方法[5]。

1.2模糊综合评价步骤

1.2.1建立水质评价因子集合和水质因子评价集

选取影响水质的污染物作为评价因子, 建立评价因子集合:U{u1, u2, un}且根据地下水水质评价等级, 建立评价集:V { Ⅰ, Ⅱ, Ⅲ, Ⅳ, Ⅴ }。

1.2.2确定各指标的隶属度, 建立模糊关系矩阵

水质评价标准中, 将水质指标评价等级分为5 等。5 个级别中相对于每个评价因子都有一个隶属度, 各级水质隶属度函数如下:

Ⅰ级地下水水质隶属度函数为:

Ⅱ-Ⅳ级地下水水质隶属度函数为:

Ⅴ级地下水水质隶属度函数为:

式中:xi为第i种评价指标的实测值;ai, j为第i种评价指标的j级水质标准值;ri, j为xi对应级别为j级水质的隶属度。

由以上隶属度函数可以建立一个i5 的模糊关系评价矩阵R 。

1.2.3利用熵值法确定评价指标的权重

熵权法是一种可以用于多对象, 多指标的综合评价法, 其评价结果主要依据客观资料, 几乎不受主观因素的影响, 可以在很大程度上避免人为因素的干扰。在信息论中, 熵是系统元序程度的度量, 因此, 可以用熵来确定权重[6]。熵权法计算步骤如下:

构建原始数据矩阵

将原始数据构成为m个评价对象, n个评价指标形成的mn矩阵, 即:

将原始数据矩阵做归一化处理

越小越优指标的归一化公式为:

式中:yij为第i个B地区相对于第j个指标的隶属度, maxxjminxj为指标中的最大值与最小值。

计算各指标的熵值

根据熵的定义, 在有n个评价指标, m个评价对象的问题中, 第i个指标的熵的定义为:m

式中:, 显然当fi0时, lnfi无意义, 因此需要对fi的计算加以修正, 定义为:

求取各指标的熵权

在确定了第i个指标的熵之后, 便可以得到第i个指标的熵权定义, 即:

1.2.4模糊综合判定模型

权重向量W与模糊关系矩阵R根据模糊变换原理, 经过复合运算W oR得到评价指标的最大隶属度B 。本文选择“ M (•, +) ——加权平均型”的相乘相

加法, 此方法根据权重大小均衡兼顾总体因素, 充分利用了全部数据所提供的信息。计算公式为:

bnWiRi, Bmax (b1, b2bn) 。

2 实例应用

为便于评价结果的比较, 选用文献[7]中的实测数据作为算例, 见表1。并且根据国家地下水质量标准 (GB/T14848-93) 的规定, 将水质级别划分为5 级, 分级指标见表2。

2.1建立模糊关系矩阵

以曹庄水样为例, 由公式 (1) (2) (3) 得模糊关系矩阵:

2.2利用熵权法确定指标权重

由 (4) 可构建原始数据矩阵为:

由公式 (5) 可将原始数据做归一化得:

由公式 (6) 确定的总硬度, 溶解性固体, 锰, 硝酸盐, 亚硝酸盐, 氨氮各指标的熵值为:

0.9823, 0.9882, 0.9846, 0.9882, 0.9855, 0.9886。

根据公式 (7) 求得各指标的熵权为:0.2143, 0.1429, 0.1864, 0.1429, 0.1755, 0.1380, 由此可求得曹庄水样模糊评价结果为:

bwR1 (0, 0.3161, 0.4719, 0.0365, 0.1755) , 同理可以得出其他地区的模糊综合评价结果, 见表3。另外采用了综合评价法对各地监测点进行了评价, 2 种方法评价结果对比见表4。

3 分析与讨论

从评价结果中可以看出, 7 个地区地下水样中水质级别为Ⅱ的有1 个, 占水样总数的14.3%, 地下水样中水质级别为Ⅲ的有5 个, 占水样总数的71.4%, 地下水样中水质级别为Ⅴ的有1 个, 占水样总数的14.3%, 由此可以得出, 各取水点的水质大部分满足国家标准规定的生活饮用水水质标准, 但一些取水点的污染相当严重, 因小河赵紧靠县城, 西边有盐场, 北边有蓝光电厂等, 所以地下水污染很是严重。

与综合评价法进行比较 (表4) 表明, 模糊综合评价法与模糊熵权评价法得到的结果基本一致, 但是结合实际的情况模糊熵权评价法比模糊综合评价法更为准确一些。

4 结语

通过对河南省叶县7个具有代表性的监测点进行基于熵权的地下水水质评价的模糊综合评价分析可以看出, 各取水点的水质大部分满足国家标准规定的生活饮用水水质标准。同时本文引入了熵值理论, 避免了权重系数确定的人为主观性, 与传统的模糊综合法相比较, 基于{熵权的模糊综合评价法的评价结果差别不大, 且更为反映实际情况, 在避免主观影响的同时, 能够更好地反映地下水水质特征, 因此熵值法确定权重系数可以应用到地下水水质评价中。

摘要：模糊综合评价法是地下水水质评价的方法之一, 在地下水水质模糊综合评价中, 权重占有重要的地位, 本文在传统模糊综合评价法的基础上, 采用熵值法确定权重系数, 避免了权重确定的人为主观性, 通过案例, 基于熵权的模糊综合评价法与传统综合评价法在地下水水质评价中结果相似, 且更为反映实际情况, 在避免主观影响的同时, 能够更好地反映地下水水质特征, 因此熵值法确定权重系数可以应用到地下水水质评价中。

关键词：模糊综合评价,地下水,水质评价,熵

参考文献

[1]王力, 刘廷玺, 戴鑫等.基于熵权的模糊物元在地下水水质评价的应用[J].人民黄河, 2010 (12) :120-122.

[2]邢军, 付芝, 孙立波.基于熵权的地下水水质模糊综合评价[J].节水灌溉, 2011 (8) :5-7.

[3]严艳君, 杨木壮.地下水水质评价方法综述[J].地下水, 2007 (5) :19-24.

[4]孟宪萌, 束龙仓, 卢耀如.基于熵权的改进DRASTIC模型在地下水脆弱性评价中的应用[J].水利学报, 2007 (1) :94-99.

[5]谢非, 张永祥, 任仲宇等.改进的模糊综合评价法在地下水水质评价中的应用[J].水资源与水工程学报, 2014 (3) :125-132.

[6]邹志红, 孙靖南, 任广平.模糊评价因子的熵权法及其在水质评价中的应用[J].环境科学学报, 2005 (4) :552-556.